针对CT图像中肝脏肿瘤分割任务，采用U-Net架构并引入注意力机制，使用PyTorch和MONAI框架进行模型训练与调优。在公开数据集上达到Dice系数0.87，较基线提升5个百分点。与实验室同学共同设计消融实验，撰写论文并投稿至国际会议。此外，还负责数据预处理流程的优化，包括图像归一化、数据增强和标注一致性检查，显著提升了模型泛化能力。

基于用户行为日志，使用TensorFlow构建双塔模型实现短视频推荐，通过负采样和特征交叉优化召回效果。在离线评估中AUC提升0.03，线上AB测试点击率提高8%。与后端工程师协作部署模型服务，并设计实时特征管道支撑每日千万级请求。同时，深入分析用户行为序列，引入注意力机制捕捉短期兴趣变化，并利用多任务学习框架同时优化点击率和观看时长，最终在保持召回率的同时显著提升了用户留存指标。